[연구의 필요성]
전기차(electric vehicle, EV) 배터리는 충·방전을 거듭할 수록 초기용량 대비 가용용량이 줄어드는 열화 문제를 가지며, 이는 EV 대중화에 있어 꼭 해결되야 하는 문제 중 하나이다. 완전충전 상태에서 긴 시간 머무는 것은 배터리 열화를 가속시키는 주요 원인으로, 높은 전위차로 인해 전기화학적 부반응(예: 양극 활물질 상변화, 전해질 분해)이 빠르게 발생하여 열화속도를 촉진한다. 그러나 일반적으로 EV는 집, 직장, 대형 몰 충전소에서 장시간 충전을 통해 배터리가 높은 충전 상태(state of charge, SOC)를 유지할 수 있으며, 이는 EV 배터리 수명을 단축시킨다. 이를 해결하기 위해 본 연구에서는 완전충전상태 시간을 능동제어하여 EV 배터리의 열화속도를 완화시키는 알고리즘을 제안한다.
[연구의 의미]
본 연구에서는 출발 직전까지 완전 충전을 지연시킴으로써 배터리 열화의 주요 요인인 완전충전상태 시간을 효과적으로 줄이고, 배터리 수명을 연장시키는 인공지능 기반 지연-완충(Delayed Full-Charging, DFC) 알고리즘을 제안한다. 이를 위해 EV 충전종료시점과 직접적으로 연관된 출발시간을 예측하는 것이 중요하며, 디지털 피노타이핑(digital phenotyping)을 통해 스마트폰 데이터를 활용하여 출발 직전 EV 사용자의 행동적, 환경적 컨텍스트를 정량화함으로써 출발 시간을 예측한다. 이는 기존 연구들이 과거 데이터에 기반한 시계열 패턴 학습의 한계를 넘어, 사용자의 라이프스타일에 기반한 출발 시간 예측의 새로운 가능성을 제시함으로써 EV 배터리 수명을 효과적으로 개선시킬 수 있다.
[연구결과의 진행 상태 및 향후 계획]
본 연구에서는 48명의 참여자를 대상으로 28일간 수집된 스마트폰 데이터를 활용하여, 행동 및 환경적 맥락을 반영한 출발 시간 예측 방법을 검증하였다. 제안 방법은 주중 평균 MAE 2.18시간, 주말 4.46시간의 성능을 나타내었으며, 기존 LSTM 기반 모델보다 시간적으로 불규칙한 출발 패턴을 효과적으로 포착하였다. 주요 예측 요인으로는 SNS 채팅 사용시간과 주변 밝기 및 소리의 평균적인 크기가 출발 탐지에 효과적인 디지털 바이오마커임을 확인하였다. 향후 연구에서는 약 500명의 EV 운전자를 대상으로 2개월간 대규모 사용자 연구를 통해 데이터의 신뢰성을 확보하고, 강화학습(reinforcement learning, RL)을 통해 DFC 알고리즘을 고도화할 계획이다.
[성과와 관련된 실적]
국제 학회 논문:
- Lee et al., "Extending EV Battery Lifetime: Digital Phenotyping Approach for Departure Time Prediction," ACM IMWUT (Ubicomp/ISWC 2025).
- Lee, et al., "Departure Time Prediction Using Smartphone Data for Delayed-Full Charging BMS Algorithm," Adjunct Proc. 2023 ACM Int. Joint Conf. Pervasive Ubiquitous Comput. & 2023 ACM Int. Symp. Wearable Comput., 2023.
※ ACM IMWUT (The Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies)은 컴퓨터공학을 구성하는 분야 중 하나인 “유비쿼터스 컴퓨팅(Ubiquitous Computing; UbiComp)” 분야를 대표하는 세계 최고 수준의 국제 학회임.
Fig. 1. DFC 알고리즘의 가상 적용 사례. (a) DFC 알고리즘의 성공적인 운영: 알고리즘이 야간 또는 근무 중 충전 시 불필요한 t100% 시간을 효과적으로 줄이고, turnplug 직전에 완전 충전을 수행함. (b) DFC 알고리즘의 실패 사례: turnplug 예측 오류로 인해 출발 전 완전 충전이 이루어지지 않아 주행 가능 거리가 제한됨.
Fig. 2. 스마트폰 패시브 센싱 데이터를 활용한 EV 출발 시간 예측 개략도.